China’s Statistical Programmers and AI What Actually Changed from 2023 to 2025
PHUSE AI Survey 2025 Results
本次调研追踪了中国临床统计编程人员在2023-2025年间对AI工具的使用变化，揭示了这个快速发展领域的真实转变。
核心发现：
调研覆盖跨国药企、本土药企、CRO等多类型组织，受访者涵盖不同职级和经验层次，确保了数据的代表性和可靠性。
了解调研样本的组成结构，为后续AI变化趋势分析建立基线。
样本特征：
这些特征确保了样本对中国临床统计编程领域的广泛代表性。
受访者主要来自跨国药企（MNC）在华机构（80人，66.7%），样本覆盖了跨国药企、本土药企、CRO等多种组织类型。
调研对象主要集中在中级/资深（49人，40.8%）和主管/组长（24人，20%），覆盖了从初级到总监的各个职级，样本具有较好的代表性。
从业年限分布较为均衡，其中6-9年的受访者最多（49人，40.8%），说明调研覆盖了不同经验层次的统计编程人员。
SAS是最常用的编程语言（116人，96.7%），其次是R（90人，75%），这反映了临床统计编程领域的主流技术栈。
肿瘤是受访者最常涉及的治疗领域（66人，55%），其次是免疫（59人，49.2%）。调研覆盖了多个治疗领域，具有广泛的代表性。
受访者的工作内容涵盖了统计编程的各个环节，从SDTM、ADaM到TLF的生成和QC，以及项目管理和团队管理等。
本章节展示AI在中国临床统计编程领域的实际应用现状和2023-2025年间的显著变化。
关键发现：
这些数据揭示了AI工具如何在短短两年内从新鲜事物变为日常工作的必备工具。
大部分受访者在2025年经常或频繁使用AI工具（96人，80%），显示AI在统计编程领域的应用已经较为普及。
受访者使用AI的任务类型多样，代码片段/脚本建议（105人，87.5%）和数据清洗/转换/映射是最常见的应用场景。
从2023年到2025年，受访者的AI使用频率呈现持续上升趋势，高频使用者（频繁+经常）占比从14.2%提升至80%，显示AI工具在统计编程领域的应用不断深化。
DeepSeek是受访者最常用的AI模型（89人，74.2%），其次是ChatGPT系列（79人，65.8%）。
从不在AI工具中输入敏感数据是最主要的做法（76人，63.3%），显示受访者对数据安全的重视程度。
自学实践是最主要的学习渠道（73人，60.8%）。
直接描述需求，让AI生成完整代码是最常用的策略（81人，67.5%）。
代码注释与文档生成被认为是AI表现最佳的任务（30人，28.3%）。
生成的代码语法错误或无法运行是最常遇到的问题（82人，68.3%）。
分步运行，检查中间结果是最常用的验证方法（32人，26.7%）。
随着任务复杂度增加，受访者对AI的信任程度呈现下降趋势，显示用户对AI处理复杂任务持谨慎态度。
词云展示了AI在实际工作中帮助解决的具体难题，如提高工作效率、快速解决代码问题、批量处理Excel、零基础制作网页、从几小时到一分钟等，体现了AI在复杂场景下的实用价值。
本章节展示了中国统计编程人员对AI工具的态度演变轨迹，通过追踪2023-2025年间的变化，揭示了行业认知的深刻转变。
核心发现：
这些态度变化反映了行业从观望、试探到接纳、依赖的完整过程。
从2023年到2025年，受访者对AI提升统计编程效率的认同度持续上升，同意者占比从28.3%提升至84.2%，显示AI在提升工作效率方面获得广泛认可。
受访者对此观点的认同度呈现变化趋势，反映了行业对AI应用的态度演进。
受访者对此观点的认同度呈现变化趋势，反映了行业对AI应用的态度演进。
受访者对此观点的认同度呈现变化趋势，反映了行业对AI应用的态度演进。
受访者对此观点的认同度呈现变化趋势，反映了行业对AI应用的态度演进。
受访者对此观点的认同度呈现变化趋势，反映了行业对AI应用的态度演进。
受访者对此观点的认同度呈现变化趋势，反映了行业对AI应用的态度演进。
受访者对此观点的认同度呈现变化趋势，反映了行业对AI应用的态度演进。
受访者对此观点的认同度呈现变化趋势，反映了行业对AI应用的态度演进。
受访者对此观点的认同度呈现变化趋势，反映了行业对AI应用的态度演进。
进一步增强生产力，形成行业刚需是受访者最主要的预期（29人，24.2%），反映了行业对AI未来发展的整体看法。
数据安全与隐私合规风险被认为是最主要的制约因素（99人，82.5%），这为AI工具的改进和推广指明了方向。
重复性高、标准化的编程任务是受访者最信任AI的情境（98人，81.7%），这反映了用户对AI应用场景的理性判断。
基于三年的变化轨迹，本章节展望未来发展方向，收集用户对AI工具改进、企业政策和功能优先级的建议。
关键洞察：
这些反馈为AI工具开发者和企业决策者提供了宝贵的方向指引。
代码生成与优化被认为是最需要AI改进的环节（94人，78.3%），这为AI工具的优化方向提供了明确指引。
制定更明确的使用指南与边界, 建立最佳实践分享与交流机制是受访者最主要的政策建议（83, 83人，69.2, 69.2%），反映了用户对企业AI战略的期望。
更强的代码理解与生成能力被认为是最优先的功能需求（平均排序：1.92），这反映了用户对AI工具发展方向的优先级判断。